Python—获取一个以时间为索引、以多个日期为列的数据帧

我想我需要一些关于“融化”功能的帮助

我有一个如下所示的数据帧：

正如您所看到的，当前索引是时间

但是，如果希望实现以下目标：

背后的理由是，我想比较不同日期同一季度的RZS值

我知道我可以使用melt函数，但是我不知道这个函数是如何工作的

from pandas import melt

df = pd.DataFrame(index=['00:00:00', '00:15:00'], columns=["2014-12-01","2014-12-02"])

它创建了数据帧，但我不知道如何填充它。 我的问题是:

创建包含一天所有96个季度的索引的最简单方法是什么

如何使用melt功能填充新df

---

非常感谢您。

您可能正在寻找，这就像是

熔化的反面。为简单起见，以下代码使用包含96个整数值的“Uhrzeit”列重新创建输入数据帧，表示时间季度：

import pandas as pd
import numpy as np

data = {
    'Datum': ['2014-12-01'] * 96 + ['2014-12-02'] * 96,
    'Uhrzeit': range(96) + range(96),
    'RZS': np.random.rand(96*2),
}

df = pd.DataFrame(data).set_index('Datum')[['Uhrzeit', 'RZS']]
df.reset_index(inplace=True) # Now this df looks like the input you described
df = pd.pivot_table(df, values='RZS', rows='Uhrzeit', cols='Datum')
print df[:10]

输出：

Datum    2014-12-01  2014-12-02
Uhrzeit                        
0          0.864674    0.363400
1          0.736678    0.925202
2          0.807088    0.076891
3          0.007031    0.528020
4          0.047997    0.216422
5          0.625339    0.636028
6          0.115018    0.141142
7          0.424289    0.101075
8          0.544412    0.147669
9          0.151214    0.274959

然后，您可以切掉包含所需“Uhrzeit”的数据帧


编辑：列
RZS
似乎表示为字符串，这导致
pivot_table
出现一些问题，因为它希望值列是数字列。假设str
'1.087,29'
应被视为浮点值，下面是将该列转换为数字的快速修复方法：

df = pd.DataFrame({'RZS': ['1.087,29', '1.087.087,28', '1.087.087.087,28']})

def fix(x):
    return x.replace('.', '').replace(',', '.')

df['RZS'] = df['RZS'].apply(fix).astype(float)

# The column RZS now should be of dtype float, and pivot_table should work.

嗨，非常感谢你。但是，我得到以下错误：“没有要聚合的数值类型”。首先，我认为原因是我有逗号分隔的值而不是虚线，即1,23而不是1.23。但是，我将“.”替换为“.”，错误仍然存在……您能检查列
RZS
（
df.dtypes
）的数据类型吗？它必须是数值的（看这个）。好的，我发现了问题。你能告诉我如何将这个1.087,29（千分之一）转换成这个1087.29吗？我用这种方式尝试了replace函数：replace“.by”和“.by”，但是它抛出了一个空序列…谢谢你，完美！！那么诀窍就是把替换的东西放在一起？！